要點
AI正在重塑通信服務提供商（CSP）創造與衡量商業價值的方式，并挑戰通信行業長期以來對運營成本（OpEx）削減的狹隘關注。本文探討了為何AI的成功應從生產力提升、運營成本規避、客戶體驗改善、數據準備度、代理式（Agentic AI ）部署以及生態系統合作等維度進行評估，從而為CSP提供一個更全面的框架，以捕捉AI帶來的長期價值。
超越OpEx：重新衡量CSP的AI價值
多年來，CSP一直在追逐同一個看似難以實現的承諾：人工智能將顯著削減運營成本。董事會層面充斥著20%、30%甚至40%成本下降的預測，咨詢公司不斷推出OpEx優化框架，供應商則宣稱其 AI 解決方案是釋放巨大成本節約的關鍵。
然而，我們在2026年4對全球 CSP 的調研顯示，AI對OpEx的實際影響目前仍較為有限。大多數受訪者表示改善幅度僅在1–5%區間，這與行業在hype cycle中所期待的“革命性變革”相去甚遠。
對OpEx削減的執著并不令人意外。CSP 所處的是一個日益同質化、利潤極其微薄的市場，收入增長長期停滯，財務效率壓力持續加大。因此，當 AI 被視為變革性技術時，行業自然首先從成本削減的角度去理解它。
我們的研究表明，CSP在AI應用中主要從三個方面獲得了顯著價值，而這些價值在財務報表中并不直觀體現：
生產力提升，使團隊能夠在現有資源下完成更多工作。這并不是通過裁員實現的，而是讓員工能夠專注于更高價值的任務。一家我們訪談的CSP表示，其基于生成式 AI 的“超級代理（super-agent）”能力，使其離岸呼叫中心服務的“幫助度評分”提升了61%，并直接轉化為更高的凈推薦值（NPS）。
OpEx避免，而非OpEx削減。這意味著利用AI確保業務增長不會按比例推高運營成本。正如一位CSP負責人所言：“在網絡規劃和收購中，目前的重點是OpEx avoidance，而不是即時的OpEx節省。”
客戶體驗改善，從而降低流失率并提升客戶生命周期價值。當AI將平均修復時間從數小時縮短到幾分鐘時，其真正價值不僅體現在人力節省上，更體現在客戶不會因為故障而流失，因為服務在他們察覺問題之前就已恢復。
這些收益是真實、可衡量且具有價值的。但要識別它們，需要比單純關注OpEx指標更為復雜的商業價值理解。
克服通信AI中的數據質量障礙
當談到AI時，最關鍵的挑戰毫不意外地仍然是數據問題。在我們的調研中，數據質量被認為是推動GenAI更廣泛應用的首要障礙，有51%的受訪者提及這一點。這并不是一個新問題。CSP多年來一直在討論數據質量問題，但 AI 的出現使得解決這一問題比以往任何時候都更加緊迫。
在AI應用上取得最大成功的CSP，并不一定是預算最充足或模型最先進的企業，而是那些愿意投入時間與成本去完成“并不光鮮”的基礎工作的企業——清理數據資產。他們投入數據治理建設，打破數據孤島，建立清晰的數據所有權與責任機制。正是這些基礎工作，使他們在競爭對手仍難以落地基本 AI 用例時，率先獲得了實際收益。
許多CSP一直在回避這項工作，因為它困難、昂貴，而且短期內難以產生直接回報。相比之下，宣布與超大規模云廠商達成合作，或部署前沿大語言模型，要遠比花數月時間統一數據格式、建立治理機制更具吸引力。
然而，CSP每推遲一天解決數據基礎問題，就意味著他們與已經完成相關工作的競爭對手之間的差距進一步拉大。追趕的窗口正在縮小。隨著AI更深入地嵌入網絡運營、客戶體驗管理以及業務流程中，競爭優勢將逐漸向擁有更優數據基礎的企業傾斜。
在網絡運營中部署Agentic AI
我們研究中最令人意外的發現之一，是代理式AI（Agentic AI ）從概念驗證（PoC）迅速走向生產環境的速度。已有54%的CSP表示已在生產環境中部署Agentic AI，這一比例幾乎接近預測型AI與生成式 AI的部署水平。
在各類應用場景中，網絡運營受到的影響最為顯著，有39%的受訪者將其視為Agentic AI產生最大價值的領域。這表明CSP已經識別出一些低風險、高價值的用例，使自主智能體能夠安全且有效地運行。
在Agentic AI應用上取得成功的CSP，并不是推進速度最快的企業，而是最謹慎推進的企業。他們建立了完善的身份與訪問管理框架，明確界定智能體的權限邊界，并設置清晰的行為約束，同時建立審計追蹤與監控系統，以跟蹤智能體行為。
我們采訪的一位CSP負責人這樣描述他們的方法：“我們把智能體當作團隊成員來對待。這意味著它們需要明確的崗位職責、清晰的責任劃分以及監督機制。我們不會讓它們‘放手運行’，然后寄希望于最好的結果。”
這種穩健的方法正在帶來實際回報。一家CSP表示，Agentic AI已經能夠處理大約75%的常規網絡問題，使人類工程師能夠專注于異常故障和復雜問題。生產力提升非常顯著，同時也避免了智能體在關鍵場景中做出災難性決策的風險。
阻礙Agentic AI更廣泛應用的并不是技術本身，而是運營流程的轉型需求。有41%的受訪者將其列為首要挑戰。這是有道理的：你無法將自主智能體直接接入一個混亂且定義不清的流程，并期望得到良好結果。未來能夠在Agentic AI 上取得成功的CSP，將是那些愿意首先完成流程重構這一艱難工作的企業。
與頂級云廠商及通信設備供應商的合作
當被問及最有能力幫助其實施AI戰略的兩家公司時，AWS與谷歌云并列第一，各自獲得了51%的受訪 CSP投票，微軟緊隨其后，占比37%。而傳統通信設備供應商則明顯落后。
這并不是對通信供應商AI解決方案質量的評價，而是反映了一個基本現實：超大規模云廠商掌握著最新GPU的獲取渠道、最先進的AI服務，以及大規模部署 AI 所必需的計算與存儲基礎設施。
CSP的最佳策略并不是在超大規模云廠商與傳統供應商之間二選一，而是同時利用兩者優勢。與超大規模云廠商合作獲取基礎設施與基礎AI能力，與通信設備供應商合作獲取行業特定的專業知識與解決方案。沒有任何一方能夠獨自完成全部工作。
借助AI加速傳統網絡退役
另一個值得關注的發現是：AI 正在成為加速傳統網絡與系統退役的重要工具。生成式 AI 通過分析整個代碼庫，在缺乏歷史知識的情況下解釋系統功能；自動生成測試用例；并將代碼重寫為現代語言，而無需依賴精通舊語言的高級程序員，從而顯著壓縮遷移周期。
CSP正在利用AI判斷哪些2G站點可以安全關閉，加速舊OSS與庫存系統的退役，并制定有針對性的方案，以推動用戶從銅纜網絡向光纖網絡遷移。
這些價值并不會體現在季度OpEx報告中，但卻對長期財務表現具有重要意義。每一個被退役的遺留系統都意味著技術債務的減少、運營效率的提升，以及更多資源被釋放用于創新。那些利用AI加速這一轉型過程的CSP，正在為自身建立可持續的競爭優勢。
CSP推進AI采用的戰略下一步
那么，CSP現在應該做什么？
停止過度執著于OpEx。 應從多個維度衡量AI成功：生產力提升、OpEx避免、客戶體驗增強、收入保護以及戰略定位。構建能夠反映完整價值體系的商業案例，而不僅僅是成本削減。
立即著手數據基礎建設。 不是下個季度，也不是下一個預算周期，而是現在。每拖延一天，問題都會進一步累積，并擴大與已經完成該工作的競爭對手之間的差距。是的，這項工作昂貴且缺乏 “亮點”，但必須推進。
正確擁抱Agentic AI。 在生產環境部署智能體之前，必須建立清晰的控制邊界、完善的治理框架以及全面的監控機制。同時，需要重構運營流程以支持自主化運行。推進要審慎，而非冒進。
第四，理性看待合作伙伴關系。 你需要超大規模云廠商，需要傳統通信供應商，也需要專業 AI 公司。應構建一個能夠整合各方優勢的生態系統戰略。
第五，聚焦已驗證價值的應用場景。 網絡運營、數據分析與服務保障已展現出強勁回報。客戶服務與內部生產力工具也在帶來可衡量的收益。不要一味追逐前沿，而要優先利用已經被驗證的價值領域。
在AI時代能夠成功的CSP，并不是那些AI預算最大或部署最激進的企業，而是那些具備能力全面衡量價值、擁有構建穩健數據基礎的紀律，以及推動組織向自主系統轉型的勇氣的企業。
問題不在于AI是否會改變通信運營，因為它已經在發生。真正的問題是：你的組織將成為贏家還是落后者。
你今天回避的數據基礎工作，將決定你站在哪一邊。你現在建立的治理邊界，將決定Agentic AI是成為競爭優勢還是風險負擔。你采用的商業價值框架，將決定你能否持續獲得AI投資，還是被競爭對手甩在身后。
行業在OpEx上的關注是錯誤的。不要再沿著同一條路徑繼續放大這個錯誤。真正贏得 AI 的CSP，已經看清了這一點。
本文作者
Roz Roseboro
資深首席分析師（Senior Principal Analyst）， 通信行業
文章版權和解釋權歸微信平臺Omdia所有
Omdia隸屬于Informa TechTarget, Inc. d/b/a Informa TechTarget（納斯達克代碼：TTGT），是一家全球領先的技術研究與咨詢機構。依托對科技市場的深刻洞察、與行業領導者的深入對話以及龐大數據資源，Omdia幫助客戶洞察趨勢、把握機遇，搶占市場先機。從研發到投資回報，我們識別最具潛力的機遇，推動科技產業持續發展。
omdia.com.cn
Joyce.Liu@omdia.com
